不走重资产的公有云模式，网易数帆也盯上数字资产

钛媒体 • 2年前扫码分享

不走重资产的公有云模式，网易数帆也盯上数字资产

张帅_

· 2022.10.19 17:03

微信扫码

4966

数字资产，或许可以衡量企业数字化的水平高低。

不走重资产的公有云模式，网易数帆也盯上数字资产

00:00 09:16

汪源经常被问到一个问题，网易数帆的差异化在哪里？作为网易杭州研究院执行院长网和网易数帆总经理，他所带领的网易数帆是网易To B体系的主要力量。

网易数帆并不走重资产投入的公有云模式，而是集中在偏PaaS的基础软件这一层，这或许是其综合考虑后选择的差异化发展路径。不断探索过程中，钛媒体App了解到，网易数帆也在寻找一条简洁的数字化方法论，因为市面上的数字化方法论纷繁复杂，数字化没有公认的成功标准，以至于企业陷入到各种各样的误区当中。

网易数帆近期内部首次提出“数字资产”的概念，并将其解构为软件资产、数据资产与智慧资产三大组成部分，作为衡量企业数字化水平的核心指标。

数字化中期“陷阱”

在早期数字化阶段，企业通常是以点状应用场景驱动转型，当数字化蔓延到多个部门、多个场景，从试验性质到深度探索的中期，企业都会关注建立长期数字资产的方式，以及相匹配的运营和管理机制。

波士顿咨询Platinion董事总经理陈果表示，2018、2019年，大多数企业都在谈数字化平台的规划、敏捷转型、DevOps等，国内在讲中台，国外企业谈怎么样向云平台转型，思路大致相同。

到2020年疫情前后，情况发生了一些变化，大家开始关注数据。平台能力建设是长时间的事情，并且更加技术，企业希望通过数据的流转，让已经建设的信息系统产生在短期内产生收益。

而从2021年开始，企业的关注点又在发生变化，去年到今年谈的最多的是ERP、CRM，都在谈核心系统，ERP核心供应商2025年有个产品停服的变化，所以很多公司迫于时间压力更换核心系统。也正是此时，很多企业发现在数字化领域折腾了半天，最基础的核心系统还没做好。

“企业信息系统的建设过程，是先做核心系统，做好核心系统，把数据质量搞好之后再去用数，用好数之后再去建立云平台、建立数字化平台，这是企业的数字化建设过程。”陈果提到。

“但在过去4、5年时间，市场热点是倒过来的，是先谈怎么搞平台，平台概念炒热之后再来看数据，最后看核心系统。这说明在整个数字化转型过程中，当我们想象得很好的时候，一定会碰到现实的陷阱和落差”。

网易杭州研究院执行院长、网易数帆总经理汪源

汪源也表示，2020年，网易数帆设立了一个务实的目标，希望通过技术和服务的形式，帮助企业去提升数字生产力，大致从软件、数据和智慧三个方面，但是还没有形成一个清晰可实施的方法论。

直到网易数帆和超过300家行业中大型客户达成比较深度的合作，覆盖了超过10个以上的行业，网易数帆发现仅有技术是不够的，在技术之外客户需要服务的能力，通过深度服务客户的过程，网易数帆积累出了自己的数字化认知。

以数字资产衡量企业数字化水平

网易数帆认为，数字资产的丰富程度，可以成为一个企业数字化水平的衡量标尺。企业所有的数字化动作一定都需要去建设某些数字资产，而且在这个过程中可能又要充分地利用已有的企业数字资产。

据观测，越来越多的客户都在建立数据门户之类的平台，从而盘点自己的数据资产，并对其运营和管理。

在网易内部，像网易云音乐等平台也早就做了数据门户。关注数字资产的目的，就是让要其易于使用，容易管理，并且保证资产的高质量，呈现资产的高价值。

“我们希望通过聚合网易数帆在基础软件领域的全线能力，充分激活企业软件生产力、数据生产力与智慧生产力，沉淀出更加易管理、易使用、高价值、高质量的数字资产，与有形资产共同形成相互促进的增长闭环，为企业构筑坚实的技术护城河。”汪源表示。

网易数帆也发布最新的数字化转型方法论，分别为由软件资产生产、软件资产运营、业务应用组装、业务运行支撑组成的软件生产力模型，以数据技术、数据资产、数据应用、数据运营为核心的数据生产力模型和结合AI算法技术、智慧资产、智能应用的智慧生产力模型。

具体来看，在每个层面，网易数帆的产品都是从相对底层基础软件往上走，离业务价值比较近的低代码、BI，最底层比较接近数据存储、计算，在中间层是数据治理、资产的管理。

例如软件生产力的模型，网易数帆把面向敏捷IT的相应软件工程、已有优秀的技术成果做融合，并且理清楚相互之间的关系，最核心的领域驱动设计、微服务技术、PBC等，实现组装式的业务创新。

再如数据资产，过往有完全并行的两条路，一条是建设数仓搞BI，称为开发路径，另外一条是搞数据治理，很多企业都是先建设，建设的时候没有太考虑治理，建设完之后再进行治理，治理和开发是脱节的，所以导致每次治理都是运动式的治理，这也是数据领域最大的一个问题。

网易数帆把数据开发和数据治理融合在一起，从而实现在开发的过程中自然而然同步做到数据治理，以数据标准产品为例，数据标准定义了数据的取值范围、数据安全方面的特性、数据的类型，如果数据标准跟数据质量相结合，就能够自动生成集合规则，从而在数据测试阶段就能看到数据质量的报告，在线上持续运行的阶段还能收到数据质量的告警，数据标准与安全中心结合，就能得到一个数据的安全等级，能够得到它的加密、脱敏的规则。